2.创建PageProcessor,用来处理网页数据
/**
- @author linzhiqiang
*/
public class CsdnBlogProcessor implements PageProcessor {
private Site site = Site
.me()
.setDomain(“csdn.net”)
.setSleepTime(3000)
.setUserAgent(
“Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_2) AppleWebKit/537.31 (KHTML, like Gecko) Chrome/26.0.1410.65 Safari/537.31”);
@Override
public void process(Page page) {
System.out.println(“html:”+page.getHtml());
}
@Override
public Site getSite() {
return site;
}
}
site中放置爬取的网站域名、cookie、请求头等信息。 process用来处理爬取到的网页数据,处理完的数据可以通过page.putField(),再通过Pipeline获取存储到数据库。
3.创建Pipeline,存储处理好的网页数据
public class CsdnPipeline implements Pipeline {
@Override
public void process(ResultItems resultItems, Task task) {
//文章题目
String title = resultItems.get(“title”);
//文章内容
String context = resultItems.get(“context”);
System.out.println(“title:” + title);
System.out.println(“context:” + context);
}
}
在process中通过resultItems来获取PageProcessor存储的page数据,最后我们可以将数据存储到redis、数据库、文件等地方。
4.利用Scheduler调度爬取任务
public class RedisScheduler extends DuplicateRemovedScheduler implements
MonitorableScheduler, DuplicateRemover {
@Override
public int getLeftRequestsCount(Task task) {
return 0;
}
@Override
public boolean isDuplicate(Request request, Task task) {
return false;
}
@Override
public void resetDuplicateCheck(Task task) {
}
@Override
public int getTotalRequestsCount(Task task) {
return 0;
}
private int num = 0;
@Override
public Request poll(Task task) {
Request request = new Request(“http://my.oschina.net/flashsword/blog/180623”);
return request;
}
}
我们可以将我们要爬虫的任务,添加到Scheduler中,然后按照顺序一一爬取。
5.启动爬虫程序,开始爬取数据
public static void main(String[] args) {
RedisScheduler redisScheduler = new RedisScheduler();
Spider.create(new CsdnBlogProcessor())
.setScheduler(redisScheduler)
.addPipeline(new CsdnPipeline())
.thread(1)
.run();
}
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数前端工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Web前端开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注:前端)
最后
整理面试题,不是让大家去只刷面试题,而是熟悉目前实际面试中常见的考察方式和知识点,做到心中有数,也可以用来自查及完善知识体系。
《前端基础面试题》,《前端校招面试题精编解析大全》,《前端面试题宝典》,《前端面试题:常用算法》PDF完整版点击这里领取
《前端校招面试题精编解析大全》,《前端面试题宝典》,《前端面试题:常用算法》PDF完整版点击这里领取**
[外链图片转存中…(img-6s1wB4ri-1712681615533)]
[外链图片转存中…(img-WwSLcvn0-1712681615533)]
[外链图片转存中…(img-O0y9Ie0x-1712681615533)]